异质信息强度对股价暴跌与信息错报双重风险的交互影响

刘 柏, 琚 涛, 蒋成功

(1.吉林大学 商学院, 吉林 长春 130012; 2.上海海事大学 经管学院, 上海 201306)

股价暴跌成为金融市场异动和风险传染的严重“灰犀牛”隐患,极大危害证券市场的平稳运行[1]。主流文献认为,公司内部人存在“报喜不报忧”的消息管理动机,坏消息囤积到一定阈值后集中释放是股价暴跌的主要诱因[2]。例如,德国大众汽车“排放门”爆出尾气检测作弊后,其股价在两天内累计下跌31%,市值蒸发2 000多亿元;2017年3月24日,辉山乳业被美国浑水公司指出发布虚假财务报表,单日股价暴跌85%;康美药业毫无征兆地被爆出299亿元财务造假后,其股票连续经历了五个跌停。在有效市场假说框架下,股价暴跌往往是对极端负面信息的及时反应,降低股价暴跌风险演变成防止滋生极端负面信息风险。在外部治理力量中,证券分析师和交易所互动平台分别是机构投资者和个人投资者获取信息的主要渠道。但以往文献表明,直接信息渠道互动平台和间接信息媒介分析师在发挥外部治理作用时均存在显著的缺陷。那么,不同信息渠道交互是否产生互补作用,进而有效降低事前信息风险和事后股价暴跌风险呢?

分析师依靠其专业性,在跨越信息不对称鸿沟方面发挥着至关重要的作用[3]。然而,受雇于投资银行的分析师因承受严重利益冲突问题引发的压力,其间接信息传递效率遭受极大的挑战[4]。同时,投资者互动平台的普及搭建了公司与投资者之间良性互动的桥梁[5],然而其运行同样面临自身缺陷:其一,专业性缺乏导致互动平台运行的信息效率低下,表现为个体投资者难以精准捕捉核心问题以及对公司关键回复内容的敏感性不高;其二,监管部门尚未出台相应奖惩措施,如果公司敷衍投资者提问,不仅无法使投资者获得重要信息,还可能对已有信息形成干扰。从二者的互动关系来看,一方面,互动平台的有效运行克服了以往个体投资人只能被动接受分析师二手信息的困境,补充了分析师报告的有限性,有利于投资者随时跟踪上市公司的经营活动,及时掌握公司发展动向;另一方面,分析师信息获取和处理的优势,弥补了互动平台运行的缺陷。本文认为,直接信息渠道互动平台和间接信息渠道分析师的交互作用可能对股价暴跌风险和信息风险的抑制更具积极作用。

此外,直接信息渠道和间接信息中介都存在不同的类型。前者包括企业网站、微信公众号和微博等自媒体;后者包括审计师和主流媒体。一方面,与其他自媒体类型相比,互动平台最大的特点在于其互动过程受到证券交易所监督,互动内容具有极强的公信力,在互动平台中,每个企业都可能接受到投资人提问;而在其他自媒体上,企业可以选择是否开通以及是否回复投资人提问,这导致对自媒体的研究存在极强的内生性和极低的外部性[6]。另一方面,严格意义上说,主流媒体在市场中仅能起到信息扩散、推波助澜的作用[7];同时,在中国的情境下,审计报告并不对外公布,投资人只能获得最后的审计结果,这导致投资人从审计师处获取的信息极其有限。因此,本文在直接信息渠道中选择互动平台,在间接信息中介中选择分析师,从而对其交互作用进行研究。

一、文献回顾与假设提出

(一)直接信息强度、间接信息强度交互作用与股价暴跌风险

以往文献从单一市场[8]、财务报告质量[9]、公司税收规避[4]、经理人激励[10]及高管个人特征[11]等角度分析了股价暴跌风险的影响因素。其机理在于:管理层出于代理动机的捂盘行为,导致“坏消息”隐藏和信息不对称加剧,最终在市场中爆发更大的负面信息冲击。

分析师依靠其独特的信息获取和分析技能,成为资本市场中不可或缺的信息中介。Dyck等[12]发现分析师是一系列财务欺诈行为的初始揭发者。理论上,分析师研究报告通过向外界传递更多的信息提高公司信息透明度、降低崩盘风险。然而,越来越多的研究发现,分析师的利益冲突严重侵害了其信息中介功效。例如,许年行等[13]发现,分析师面临的“利益冲突”加剧了乐观偏差对股价崩盘风险的正向影响,这意味着分析师单边外部监督存在利益勾结下的严重弊端。

直接信息渠道互动平台的创建有效弥补了分析师单边监督的缺陷。一方面,投资者对公司经营活动的任何疑惑都能通过网络平台获得公司解答。更为关键的是,如果投资者对其他渠道获得的有关公司经营信息有任何疑问,也可以通过平台向公司管理层进行咨询、证实或证伪,从而克服了投资者只能被动接受分析师乐观信息的困境;另一方面,分析师研报在一年当中发生的次数相对有限,互联网平台使得投资者能够随时掌握公司的发展动向,这对提升市场信息效率有一定帮助。谭松涛[5]以深交所“互动易”网络平台推出为外生冲击,发现基于互联网直接获取公司经营信息渠道显著改善了市场信息的传递效率。丁慧[8]更是提供了互动平台降低股价波动和暴跌风险的直接证据。

然而,大量个人投资者游荡于互动平台,平台互动的非正式性导致其提问内容欠缺专业性。此外,针对投资人提问,上市公司敷衍回复将极大损害互动平台的运行效果。王铁军[14]发现,上市公司敷衍投资者行为通过两条途径加剧股价崩盘风险:一是敷衍行为不利于投资者获取公司信息,加剧市场信息不对称;二是敷衍行为有损公司声誉和投资者信任,容易导致投资者在上市公司面临利空消息时“用脚投票”,加剧股价波动。分析师依靠其专业的信息收集和处理能力,更有可能获取关于公司特质信息,有效弥补管理层敷衍回复导致的信息闭塞问题。此外,分析师基于各种信息形成的自身研报能够弥补个体投资者对信息低敏感度的劣势。本文认为,以互动平台为代表的直接信息强度和以分析师为代表的间接信息强度的交互作用将更精确和及时地提升市场信息效率,进而对降低企业股价暴跌风险有更积极的作用。鉴于此,本文提出假设1。

假设1:直接信息强度与间接信息强度的交互作用降低企业股价暴跌风险。

(二)直接信息强度、间接信息强度交互作用与信息错报风险

信息错报风险指的是企业在财务错报之后被发现,从而承担价值损失的可能性。如前文所述,股价暴跌风险来源于极端负面信息的瞬间爆发。财务错报是企业在年度财务报告中存在差错的行为,预示着企业信息披露质量低下和不可信。财务错报一旦被发现,即财务重述时,往往会造成严重的负面影响,如管理层变更、融资约束增加、诉讼风险加剧以及市场反应低迷等。例如,康美药业300亿元错报事件被公布后,其股价经历了不可挽回的暴跌。由此可见,财务重述属于引发股价暴跌的极端负面信息事件,而在此之前的财务错报属于导致极端负面信息事件发生的导火索。因此,财务错报对企业价值来说是一个风险事件,不确定性风险兑现成确定性损失的条件是此前企业的错报行为被市场发现。此外,相比于盈余管理这种难以识别和度量的业绩操纵行为,财务错报对管理层代理行为和公司低信息质量的体现更为明显和直接。因此,本文通过财务错报来衡量企业信息错报风险。

直接信息强度和间接信息强度的交互作用降低信息错报风险的逻辑在于发现与震慑。一方面,财务错报行为有很大可能性失败,无论对管理者还是公司来说都是一项冒险行为[15]。管理者常常抱有侥幸心理,期待自己的错报行为不会被市场发现。然而,当企业被分析师关注并出具研报以及互动平台提问时,管理者的事前投机和冒险行为将被市场主体的“无形之眼”所遏制。因此,两者交互作用可以在事前震慑管理层的不端行为。另一方面,财务错报行为往往是前期监管不严所致。例如,康美药业在300亿元财务错报的前几年,就被频繁爆出企业的财务数据存在问题,由于监管力量的一再忽视才逐步引发更大的风险事件。相关研究也为分析师的直接治理作用提供了证据。如Yu[16]的研究证明,与其他投资者相比,分析师能够自己发现管理者的欺诈行为,进而有效抑制企业盈余管理行为。同样,投资者通过互动平台的直接提问,提高了信息鉴别能力,能及时发现企业经营问题,进而发挥积极的治理作用。因此,直接信息强度与间接信息强度的交互作用能够有效遏制企业进行财务错报行为,避免信息错报风险的产生。鉴于此,本文提出假设2。

假设2:直接信息强度与间接信息强度的交互作用降低企业信息错报风险。

图1为本文的理论分析框架,主要分析外部信息监管如何影响企业风险。具体地,假设1探究直接信息强度与间接信息强度的交互作用对事后股价暴跌风险的影响;假设2探究直接信息强度与间接信息强度的交互作用对事前信息错报风险的影响。

图1 本文的理论分析框架

二、实证设计

(一)样本选取

本文以2010—2017年沪深A股上市公司为研究样本,并对初始数据进行了如下处理:(1)剔除金融类公司样本;(2)剔除ST类公司样本;(3)剔除AB股交叉公司样本;(4)剔除上市年数不足两年的样本;(5)在计算股价崩盘的风险过程中,剔除年交易周数少于30的样本;(6)剔除财务数据缺失样本。分析师研报数据来源于大智慧启明星研究终端,由于该数据在2009年以前数量极低,因此统计从2010年开始,最终得到14 074个研究样本,包含2 547家公司,其中,明星分析师以及关联分析师发布的研报分别为63 826份和28 680份,占总研报数量的30.08%和13.51%;财务错报数据通过巨潮网手工收集,最终得到1 219个样本;平台互动数据来源于CNRDS数据库,处理后得到2 816 109个样本。会计财务数据来源于CSMAR数据库,最终得到财务重述样本1 219个,其中以更正形式的重述样本807个,以补充形式的重述样本412个。本文对所有连续变量进行了上下1%水平的缩尾处理。

(二)变量衡量

1.股价暴跌风险

借鉴Chen等[1]的研究,使用负收益偏态系数(NCSKEW)和上下波动比率(DUVOL)衡量股价暴跌风险。具体计算方法如下:

首先,对各年度的个股i周收益率进行以下回归:

ri,t=αi+β1,irm,t+β2,irm,t-1+β3,irm,t-2+

β4,irm,t+1+β5,irm,t+2+εi,t

(1)

式(1)中,ri,t表示个股i在某一年度第t周的收益率,rm,t为市场在某一年度第t周的经流通市值加权的平均收益率。然后得到公司经市场调整的周收益率Wi,t=ln(1+εi,t)。通过Wi,t获得两个衡量股价暴跌风险的变量NCSKEW和DUVOL。

(2)

式(2)中,NCSKEW为股票i周收益的负偏度,其数值越大,表示股票暴跌风险越大。

(3)

根据股票周收益率是否大于年平均周收益率,将Wi,t分为上升周和下降周,DUVOL为下降周和上升周标准差的比例,式(3)中,nd、nu分别为下降周和上升周的周数。DUVOL数值越大,表示股价崩盘风险越高。

2.信息错报风险

本文通过财务错报构建信息错报风险变量。借鉴于鹏[17]的研究,财务错报数据来源于企业年报和补充更正公告两部分。首先,企业年报部分通过巨潮网手工挑选出各企业年度年报中“前期会计差错更正”项目下存在更正的样本,以确定当年是否对前期年度报告中出现的错误进行更正;补充更正公告部分在巨潮网的公告分类中选择“补充更正”。其次,对第一步所获样本逐一研读,以区分与财务数据相关的年报重述和与财务数据无关的年报重述。将“政策变更”“并购重组变化”“诉讼案件”“内部控制”“数据串行”“股东人数”以及“单位错误”等视为非财务项目重述;将经营利润、收入、现金流、应收账款等涉及三张会计报表的项目视为财务重述。例如,某企业2016年7月25日发布重述公告,用以说明2016年3月25日公布的2015年年报中出现的错误。那么,2016年7月25日重述之前,该企业将承担较高的财务错报被发现从而损害价值的风险。因此,若当年发生了财务错报,信息错报风险(Mis)记作1;若当年未发生财务错报,Mis记作0。图2描述了财务重述的整个过程,公司在发生财务错报后,将承担被市场发现的风险,即事前信息错报风险;而当该财务错报被市场主体获知后,公司将有可能遭遇事后股价暴跌风险。

图2 信息错报风险与股价暴跌风险时间轴

3.直接信息强度

当企业在互动平台上被提问次数更多时,直接信息强度更大。借鉴岑维[18]的研究,本文归纳处理了搜集到的提问信息,提出公司未回答的问题,得到i公司在t年内被投资者提问的有效问题总数,将该年份问题总数加1取自然对数,得到直接信息强度(Attention)。

4.间接信息强度

当企业接收到更多的分析师研报时,间接信息强度越大。借鉴肖斌卿等[19]的研究,分析师研报数据来源于大智慧启明星证券研究终端,时间区间为2010年1月1日—2017年12月31日。为克服数据偏度问题,本文对研报数量取自然对数,记作Report。

5.控制变量

本文控制了如下变量:滞后一期的股价暴跌风险指标(LNCSKEW、LDUVOL);滞后一期的信息错报风险指标(LMis);财务重述类型(Restate);月平均超额换手率(DTurn);周平均特质性收益(MWretwd);周平均收益波动率(SDWretwd);企业规模(Size);资产负债率(Lev);市账率(MB);总资产收益率(ROA);自由现金流(FCF);股权制衡度(Ownership);机构投资者持股比例(Investor);管理层持股比例(Hold);董事会会议次数(Meeting);管理层薪酬总额(Pay);董事人数总额(Board);产权性质(SOE)。此外,本文还控制了行业和年份固定效应。

(三)模型设定

为检验假设1和假设2,采用直接信息强度和间接信息强度的交互作用为解释变量,考察其对股价暴跌风险和信息错报风险的影响。模型设置如下:

NCSKEWi,t+1(DUVOLi,t+1/MISi,t+1)=

α0+α1Reporti,t+α2Attentioni,t+α3Reporti,t×

Attentioni,t+α4Controlsi,t+εi,t

(4)

式(4)中,NCSKEWi,t+1和DUVOLi,t+1为股价暴跌风险的两个衡量指标,MISi,t+1为信息错报风险的衡量指标,Reporti,t为间接信息强度的衡量指标,Attentioni,t为直接信息强度的衡量指标,Controlsi,t代表所有控制变量,εi,t为回归残差。若假设1和假设2成立,则α3系数显著为负。

三、实证结果

(一)变量的描述性统计

表1报告了主要变量的描述性统计。其中,股价暴跌风险(NCSKEW、DUVOL)的均值分别为-0.190、-0.109,与以往研究差别不大。信息错报风险(MIS)的均值为0.084,意味着8.4%的样本发生了财务重述。间接信息强度(Report)的均值为1.829,直接信息强度(Attention)的均值为4.200。其他变量均处于合理范围内。

(二)投资组合的描述性统计

表2报告了基于投资组合的描述性统计。首先,分别将直接信息强度(Attention)和间接信息强度(Report)以20分位为标准五等分,表中1～5表示相应数值越来越大。其次,统计横纵轴较差组别中股价暴跌风险和信息错报风险的均值。由表2可知,股价暴跌风险(NCSKEW、DUVOL)和信息错报风险(MIS)的均值在(1,1)、(2,2)、(3,3)、(4,4)、(5,5)组中依次下降,初步表明直接信息强度(Attention)和间接信息强度(Report)的交互作用降低了企业股价暴跌风险和信息错报风险。

表1 变量的描述性统计

表2 基于直接信息强度和间接信息强度投资组合的描述性统计

(三)回归结果分析

表3报告了假设1的回归结果。假设1的被解释变量为连续变量,本文使用OLS模型估计,并在此基础上进行公司层面聚类。由表3可知,直接信息强度和间接信息强度交互项(Report×Attention)系数在第(5)(6)列均在1%水平上显著为负,分别为-0.004、-0.006。表明直接信息强度和间接信息强度交互作用降低了企业股价暴跌风险,假设1得到证明。此外,在第(1)(2)列中,间接信息强度(Report)的系数为正,意味着分析师研报加剧了企业股价暴跌风险,这可能是分析师存在利益冲突问题,导致其单边治理存在缺陷。例如,许年行等[13]发现分析师向市场传递的信息存在严重的选择性偏差,倾向于发布乐观的盈余预测与股票评级,最终导致分析师乐观偏差会加剧企业股价暴跌风险。在中国资本市场,分析师发布的大部分都是乐观报告,这也导致当一个公司被分析师发布的研报越多,越可能将分析师对这家公司的乐观情绪传递出去,从而使公司股价暴跌风险上升。从表3第(3)(4)列可以看出,直接信息强度(Attention)的系数显著性尽管不稳定,但同样为正。原因可能是在互动平台中,监管部门尚未出台相应奖惩措施,如果公司敷衍投资者提问,投资者不仅无法获得重要信息,还可能对已有信息形成干扰,导致互动平台增加了企业股价暴跌风险。

表4报告了假设2的回归结果。假设2的被解释变量为虚拟变量,因此采用“面板二值选择模型”中的Logit模型,考虑到误差项的标准化分布,同时使用Probit模型进行稳定性检验。由表4可知,直接信息强度和间接信息强度交互项(Report×Attention)系数在第(5)(6)列均在5%水平上显著为负,分别为-0.051、-0.023。表明直接信息强度和间接信息强度交互作用降低了企业信息错报风险,假设2得到证明。从第(1)(2)列可以看出,间接信息强度(Report)的系数为负,即具体到企业财务错报上,分析师发挥积极的监督作用。这是由于分析师除了具有信息中介作用外,同样依靠其专业能力和监督手段发挥着外部治理作用[16]。由于财务错报行为很可能被外界发现,使企业蒙受损失,因此分析师关注可以在事前震慑管理层的不端行为,降低企业进行财务错报,从而减少信息错报风险。而第(5)(6)列中交互项的显著性水平高于第(1)(2)列中分析师的显著性水平,显示出交互作用在治理风险中的优势。在第(3)(4)列中,直接信息强度(Attention)的系数为正,但不显著。可能同样是由于个体投资者难以精准捕捉核心问题以及公司存在敷衍应答情况,使得互动平台难以发挥积极的治理作用。

表3 直接信息强度和间接信息强度单维度及其交互对股价暴跌风险的回归结果

表4 直接信息强度和间接信息强度单维度及其交互对信息错报风险的回归结果

(四)稳健性检验

1.工具变量

直接信息强度变量借鉴岑维等[18]的研究,选择滞后两期的平台提问数量作为工具变量(LAttention)。滞后两期的平台提问对信息错报风险和股价暴跌风险的直接影响微乎其微,表明工具变量满足外生性的要求。而投资人关注很可能存在惯性,使得前后两期的互动提问表现出相关性特征。本文将直接信息强度视为内生变量,将间接信息强度视为外生变量,使用两阶段二乘法对模型(4)重新估计。表5是相应的回归结果。从中可知,第一阶段回归的工具变量(LAttention)系数在第(1)—(3)列中均在1%水平上显著为正,说明前后两期的互动平台提问数据高度正相关。在第二阶段的回归中,直接信息强度和间接信息强度交互项(Report×Attention_P)系数在第(1)—(3)列中至少在5%水平上显著为负,意味着交互作用降低了股价暴跌风险和信息错报风险,与上文结果一致。

表5 直接信息强度工具变量回归结果

间接信息强度借鉴李春涛等[20]的研究,使用企业属于沪深300指数成分股作为工具变量。表6报告了相应的回归结果。从中可知,第一阶段回归的工具变量(IV300)系数在第(1)—(3)列中均在1%水平上显著为正,说明分析师确实更愿意研究沪深300公司。在第二阶段的回归中,直接信息强度和间接信息强度交互项(Report_P×Attention)系数在第(1)—(3)列中至少在5%水平上显著为负,意味着交互作用降低了股价暴跌风险和信息错报风险,与上文结果一致。

表6 间接信息强度工具变量回归结果

2.其他稳健性检验

(1)排除信息质量干扰项。为了排除信息环境质量更高的企业更可能吸引分析师关注以及互动平台提问的内生性问题,本文首先检验了分析师关注、互动性及其交互作用是否是上市公司信息质量的产物。如果投资者关注是上市公司信息质量的产物,那么信息环境质量对不同投资者关注应该具有预测作用。其次考虑信息环境质量对主检验的影响,预期在控制了信息环境质量的影响后,交互作用仍可以降低股价暴跌风险和信息错报风险。(2)公司固定效应和稀有事件。为了排除不随时间变化的遗漏变量对本文结果的影响,使用固定效应模型进行稳健性检验。假设2中,由于被解释变量为虚拟变量,且通过描述性统计可知,信息错报风险(MIS)均值为0.084,这意味着“y=1”发生的概率非常小。为克服这一偏差,使用稀有事件模型对假设2进行了稳健性检验。其他稳健性检验结果与正文保持一致(1)限于篇幅,本文未列出此部分稳健性检验详细结果,备索。。

四、进一步研究

(一)基于平台互动的管理层回复质量异质性检验

本文从两个方面度量上市公司对投资者提问的回复质量:在时间维度上表现为是否及时回复投资人的问题;在内容维度上表现为回复内容的丰富度。如果管理层回复不及时或者采用大量诸如“谢谢关注”等高度相似性的语言,将大大削弱互动平台缓解信息不对称的功能。王铁军[14]基于深交所投资者关系互动平台的问答数据,发现管理层回复延迟性以及相似性反而提高了股价暴跌风险。因此,直接信息强度和间接信息强度交互对股价暴跌风险和信息错报风险的抑制作用在管理层回复质量更高时更显著。(1)回复延迟性。在互动平台提供的投资者提问时间和管理层回复时间中,将二者相减得出上市公司回复的间隔时间,取间隔时间在中位数以上的记为1,在中位数以下的记为0;延迟性虚拟变量用Day表示,该值越大表明回复越延迟,回复质量越低。(2)回复相似度。文本相似度的计算方法较多,受到广大学者青睐的是基于语料库的词袋模型。该模型具体包括向量空间模型(VSM)和潜在语义分析(LSA)。本文使用LSA模型对文本相似度进行计算。具体地,根据每个公司年度内所有回复文本,计算公司—年度回复文本的语义相似度,相似度在中位数以上的记为1;在中位数以下的记为0;相似性虚拟变量用Similar表示,该值越大表明回复本文越相似,回复质量越低。

具体的回归结果见表7。其中,除了第(11)(12)列的回归系数不符合预期外,其余结果均与预期相符。直接信息强度和间接信息强度交互项(Report×Attention)系数在第(1)(3)(5)(7)(9)列均至少在5%水平上显著为负,而该系数在第(2)(4)(6)(8)(10)列中均不显著。意味着当管理层回复质量较高时,直接信息强度和间接信息强度交互对双重风险发挥着积极的治理作用。

需要指出的是,假设2中,被解释变量为虚拟变量,在加入年份和行业固定效应时,如果某个行业或者年份被解释变量的值均为1或均为0,这样的样本在回归中自动被剔除。这导致了在第(9)—(12)列中,两组样本之和小于期初总样本。此外,为了更准确地衡量不同组别在回复延迟性和回复相似度上的程度差异,本文先对总样本计算0～1分组变量,然后再根据其他变量的缺失值进行剔除,这导致在最终回归样本中,两组子样本的数量存在差异。

(二)基于分析师特征的异质性检验

1.明星分析师和非明星分析师

与一般分析师相比,明星分析师或明星券商给出的评级报告更具价值,短期超额回报率更高[19];并且明星分析师所引发的短期超额回报率并不是因为运气、关系等外界因素,而是其更专业的判断。本文认为,直接信息强度和间接信息强度交互对股价暴跌风险和信息错报风险的抑制作用在明星分析师研报多时可能更显著。将明星分析师研报比例在中位数以上的记为1;在中位数以下的记为0;明星分析师研报虚拟变量用Star表示,该值越大表明明星分析师研报比例越高。

表8是相应的回归结果。其中,直接信息强度和间接信息强度交互项(Report×Attention)系数在第(2)(4)(6)列均显著为负,在第(1)(3)(5)列均不显著。意味着当明星分析师研报比例较高时,直接信息强度和间接信息强度交互对双重风险发挥着积极治理作用。

2.“利益冲突”或“利益协同”

国内券商可以设立二级营业部,在市场上买卖股票,或者通过其持股的基金公司参与市场的买卖活动。一方面,分析师对所属券商或者所属券商参股基金持有的股票发布了更为乐观的评级,长期来看,这些“买入”评级导致更低的超额收益,分析师与投资人之间表现为“利益冲突”效应。在“利益冲突”效应下,分析师对券商自持或者参股基金持有的股票发布研报时,其研报质量将受到很大影响。另一方面,券商不管是通过自持还是通过参股基金间接持有公司股票,其投资规模、投资理念与个人投资者存在显著差异,表现为个股投资的金额更大、投资周期更长。长期价值的投资策略使得券商旗下的分析师有动机对公司经营过程中的不当操作进行严格监督,此时分析师与投资人之间表现为“利益协同”效应。在“利益协同”效应下,直接信息强度和间接信息强度的交互作用对股价暴跌风险和信息错报风险的抑制效果将更显著。

对于分析师独立性抑或关联性,本文首先从Wind金融终端手工整理出券商自持股票和参股基金重仓股票的列表;其次根据券商名称关键字匹配出被独立分析师研报的数量;最后除以当年总研报数量获得独立分析师研报比例变量。取独立分析师研报比例在中位数以上的记为1;在中位数以下的记为0。独立分析师研报虚拟变量用Indreport表示,该值越大表明独立分析师研报比例越高,也即关联分析师研报比例越低,回归结果见表9。直接信息强度和间接信息强度交互项(Report×Attention)系数在第(1)(3)(5)列中均显著为负,而该系数在第(2)(4)(6)列中均不显著。该结果支撑了“利益协同”假说,即当关联分析师研报比例较高时,直接信息强度和间接信息强度交互对双重风险发挥着积极治理作用。

表7 管理层回复质量异质性回归结果

表8 明星分析师异质性回归结果

表9 分析师独立性异质性回归结果

五、研究结论与实践启示

股价频繁暴跌严重打击投资人信心,阻碍资本市场平稳运行。本文在中国上市公司财报披露问题频现的背景下,通过企业财务错报构造事前信息错报风险,克服单边治理力量的缺陷,以直接信息渠道社交媒体平台和间接信息媒介分析师为实验环境,探索二者对企业股价暴跌以及信息错报双重风险的交互作用。结果发现:(1)直接信息强度和间接信息强度的交互作用既降低了事前信息错报风险,也降低了事后股价暴跌风险;(2)上述效应仅存在于明星分析师关注度、关联分析师关注度以及管理层问题回复质量较高组。这意味着直接信息渠道和间接信息渠道对缓解资本市场风险集聚具有积极的互补作用。

本文的研究贡献在于:(1)从直接和间接信息媒介的交互视角研究对风险的有效治理作用,有利于克服单一外部力量引发的弊端,对进一步认识和完善外部治理有积极借鉴意义。(2)不同于以往直接关注事后股价暴跌风险的研究,本文将事前信息错报和事后股价暴跌双重风险相结合,对更精确地防范与把控资本市场风险具有积极意义。(3)以往对于互动平台的研究主要基于深交所或者上交所单一市场,本文基于两个市场的同步研究,有利于更加全面准确地检验互动平台效率问题。